Anticiper une anesthésie trop profonde grâce aux rythmes du cerveau

Les oscillations alpha, témoins de l’état du cerveau sous anesthésie

Sous anesthésie générale, le cerveau ne s’éteint pas. Son activité électrique se réorganise en rythmes que l’électroencéphalogramme (EEG) rend visibles. Parmi eux, les oscillations alpha, comprises entre 8 et 12 Hz, se manifestent par de brèves bouffées ou fuseaux qui enflent puis s’éteignent.

Longtemps considérés comme un simple élément du tracé EEG, ces fuseaux pourraient en réalité fournir une information précieuse sur l’évolution de l’état du cerveau. Une anesthésie trop profonde peut en effet faire basculer l’EEG vers des périodes au cours desquelles l’activité cérébrale devient presque plate, appelées suppressions isoélectriques. Elles témoignent d’une profondeur d’anesthésie excessive par rapport aux besoins du patient et doivent autant que possible être évitées. Or, les moniteurs utilisés actuellement renseignent surtout sur l’état présent du cerveau, mais permettent difficilement d’anticiper son évolution. D’où la question posée par les scientifiques dans cette étude publiée dans la revue IEEE Transactions on Neural Systems and Rehabilitation Engineering : la dynamique des fuseaux alpha peut-elle constituer un signal d’alerte précoce ?

Des fuseaux dont les caractéristiques évoluent au cours de l’anesthésie

Pour le déterminer, les scientifiques ont développé une méthode de segmentation automatique de l’EEG, associée à un modèle de prédiction par intelligence artificielle. Ce projet s’appuie sur des EEG enregistrés lors d’anesthésies réalisées à l’hôpital Louis-Mourier. L'étude a concerné des enfants de 2 à 15 ans et des adultes de 18 à 81 ans, anesthésiés selon les pratiques habituelles, avec une induction au propofol puis un entretien au sévoflurane.
La méthode permet d’isoler chaque fuseau alpha et d’en mesurer la durée, l’amplitude et la fréquence. Premier constat : ces événements ne surviennent pas à intervalles réguliers. Leur distribution correspond à un processus aléatoire, qui pourrait refléter les interactions fluctuantes entre le cortex cérébral et le thalamus.

Classés en fuseaux lents, rapides ou mixtes, ils se succèdent dans un ordre imprévisible. En revanche, leurs proportions et leurs caractéristiques évoluent nettement selon les différentes phases de l’anesthésie. Les fuseaux rapides deviennent notamment plus fréquents au réveil, tandis que la phase d’entretien se caractérise par des fuseaux relativement stables.

Prévoir une suppression isoélectrique 90 secondes à l’avance

Les scientifiques ont ensuite utilisé ces caractéristiques pour alimenter un algorithme d’apprentissage automatique. À partir de quatre minutes d’EEG, le modèle peut prédire l’apparition d’une première suppression isoélectrique avec 90 secondes d’anticipation.

Sur le jeu de données utilisé pour le tester, le modèle atteint une exactitude globale de 96 %. Il détecte tous les épisodes de suppression isoélectrique à venir et identifie correctement 92 % des situations dans lesquelles aucune suppression n’est imminente. Lorsque les variables décrivant les fuseaux alpha sont retirées du modèle, ses performances diminuent fortement, confirmant le rôle central de ces oscillations dans la prédiction.
La méthode est par ailleurs compatible avec une utilisation en temps réel au bloc opératoire. Un préavis de 90 secondes pourrait offrir à l’anesthésiste une fenêtre pour réévaluer les doses avant l’apparition d’une suppression isoélectrique, même si l’effet d’un ajustement dépend naturellement du médicament utilisé et du contexte clinique. Le changement de perspective est important : il ne s’agit plus seulement de constater qu’une anesthésie est devenue trop profonde, mais de repérer la trajectoire qui risque d’y conduire.

Ces résultats devront désormais être validés sur des cohortes indépendantes et multicentriques, ainsi qu’avec d’autres agents anesthésiques, notamment le propofol utilisé en entretien, la dexmédétomidine ou la kétamine. Déjà testés en salle d’opération, ces indicateurs pourraient à terme constituer une aide à la décision pour l’anesthésiste, voire contribuer au développement de systèmes capables d’adapter automatiquement la profondeur de l’anesthésie en fonction de l’activité cérébrale propre à chaque patient.

Figure : Prédiction d’une profondeur excessive d’anesthésie à partir de la dynamique des fuseaux alpha de l’EEG. Les fuseaux alpha détectés dans l’EEG frontal sont analysés par un modèle d’apprentissage automatique afin d’anticiper, jusqu’à 90 secondes à l’avance, le risque de suppression isoélectrique associé à une anesthésie excessivement profonde.

En savoir plus : Sun C, Michel PO, David F, Rouach N, Longrois D, Holcman D. Forecasting Excessive Anesthesia Depth Using EEG α-Spindle Dynamics and Machine Learning. IEEE Trans Neural Syst Rehabil Eng. 2026;34:3400-3410. doi: 10.1109/TNSRE.2026.3711533. PMID: 42418377.